DataFrame基础(不包含列删除及行相关操作)
一.Dataframe简介
DataFrame 的每一行或列数据都可以看成一个 Series 结构，只不过，DataFrame 为这些行中每个数据值增加了一个列或行标签。
同 Series 一样，DataFrame 自带行标签索引，默认为“隐式索引”即从 0 开始依次递增，行标签与 DataFrame 中的数据项一一对应当然你也可以用“显式索引”的方式来设置行标签。
二.创建Dataframe对象
| pd.DataFrame( data, index, columns, dtype, copy) | data：一组数据（ndarray、series, map, lists, dict 等类型） index：索引值，或者可以称为行标签 columns：列标签，默认为RangeIndex （0, 1, 2, …, n） dtype：数据类型<br/>copy：默认为 False，表示复制数据 data |
2.1 空Dataframe
import pandas as pd
df = pd.DataFrame()
print(df)Empty DataFrame
Columns: []
Index: []
2.2 列表嵌套字典创建
data = [
{'name': 'John', 'age': 25, 'city': 'New York'},
{'name': 'Alice', 'age': 30, 'city': 'London'},
{'name': 'Bob', 'age': 28, 'city': 'Paris'}
]
df = pd.DataFrame(data)
print(df)name age city
0 John 25 New York
1 Alice 30 London
2 Bob 28 Paris
这个方法创建就是把每个字典当作一整条数据传入Dataframe，分别用key来当作列标签，然后用默认标签来依次取行下标。
那我两个字典长度不一样怎么办？
# 有些字段一样，几个不同
data1 = [
# 不传值，会默认为NaN
{'name': 'John', 'age': 25},
{'name': 'Alice', 'age': 30,'city':'Paris'},
# 传入空值，猜猜会显示啥
{'name': 'Bob', 'age': 28, 'city': None}
]
df = pd.DataFrame(data1)
print(df)name age city
0 John 25 NaN
1 Alice 30 Paris
2 Bob 28 None
3 miller 28 NaN
可以看到，其将多出来的标签下，没有传这个标签的其他行变为'Not a number'即缺失值（会被存储为浮点数）,如果传入一个None值那就会显示为None（也算一种值）。
其实本质上None和NaN是同一种表达，都表示这个地方没有正常值，但是一般来说还是缺失值用的多，毕竟None也是一种值。
2.3 字典嵌套列表创建
dic = {'name':['张三','李四'],'age':[10,18]}
df = pd.DataFrame(dic)
print(df)name age
0 张三 10
1 李四 18
这个方法创建就是把字典中每个key作为列标签，每个value对应传入一个列表，当作列标签下的数据。
多说一句，这里要是各个标签下的数据长度不一致的话，会报错。
dic = {'name':['张三','李四'],'age':[10,18,19]}
df = pd.DataFrame(dic)
print(df)---------------------------------------------------------------------------
ValueError Traceback (most recent call last)~~~~~~
~~~~
~~~~（此处省略）
2.4 字典嵌套series创建
dic =
{'name':pd.Series(['clocky','Miko'],index=['a','b']),
# 这里试试给行标签多加了一行，会报错吗？
'age':pd.Series([20,21,22],index=['a','b','c'])}
df = pd.DataFrame(dic)
print(df)name age
a clocky 20
b Miko 21
c NaN 22
答案是不会报错，这个创建方式也就是升级版的字典嵌套列表创建。但是可以自定义标签值。
三.列索引操作
3.1 获取数据
import pandas as pd
df = pd.DataFrame({'name':['clocky','tom'],'age':[18,20]})
# 获取一列，返回Series
print(df['name'])
# 获取多列，返回DataFrame
# 获取多列时需要多加一个[]
print(df[['name','age']])0 clocky
1 tom
Name: name, dtype: object
name age
0 clocky 18
1 tom 20
3.2 添加列
3.2.1 添加空列
import pandas as pd
df = pd.DataFrame({'name':['clocky','tom'],'age':[18,20]})
# 添加一个不存在的标签，其为全空
df['sex'] = None
print(df)
name age sex
0 clocky 18 None
1 tom 20 None
3.2.2 通过列表添加实际的数据
import pandas as pd
df = pd.DataFrame({'name':['clocky','Susie'],'age':[18,20]})
# 使用列表添加
df['sex'] = ['male','female']
print(df)name age sex
0 clocky 18 male
1 Susie 20 female
3.2.3 assign 方法
- 可以链式调用,就是可以连续调用比如 a.assign(b=1).assign(c=2)
- 方法返回的数据类型是数据本身，这就是链式编程；重复调用这个方法就是链式调用
import pandas as pd
df = pd.DataFrame({'name':['clocky','Susie'],'age':[18,20]})
# 这里新加的标签就不用加''了，且连续调用仔细看看
df1 = df.assign(sex = ['male','famale']).assign(address = ['beijing','shanghai'])
print(df1)name age sex address
0 clocky 18 male beijing
1 Susie 20 famale shanghai
3.2.4 insert指定位置插入列
参数：
- loc: 插入位置的列索引。
- column: 新列的名称。
- value: 要插入的 Series（可迭代对象）。
import pandas as pd
df = pd.DataFrame(
{'name':['clocky','Susie'],
'age':[18,20]})
# 在索引1的位置插入一列
df.insert(1,'sex',['male','famle'])
print(df)name sex age
0 clocky male 18
1 Susie famle 20
3.3 修改列数据
3.3.1 直接覆盖
import pandas as pd
df = pd.DataFrame(
{'name':['clocky','Susie'],
'age':[18,20]})
# 直接用索引赋值
df['age'] += 100
print(df)name age
0 clocky 118
1 Susie 120
3.3.2 修改列名
# columns 属性修改
import pandas as pd
df = pd.DataFrame(
{'name':['clocky','Susie'],
'age':[18,20]})
# 其实也是直接覆盖
df.columns = ['n','a']
print(df)n a
0 clocky 18
1 Susie 20
# rename方法，返回一个新的DataFrame，原数据不变
import pandas as pd
df = pd.DataFrame(
{'name':['clocky','Susie'],
'age':[18,20]})
# rename方法，用columns传入一个字典，key为原列名，value为修改后的列名
pdf = df.rename(columns={'name':'姓名','age':'年龄'})
print(pdf)
姓名 年龄
0 clocky 18
1 Susie 20
3.3.3 .astype()修改列的数据类型
import pandas as pd
df = pd.DataFrame(
{'name':['clocky','Susie'],
'age':[18,20]})
# 修改第二列
df['age'] = df['age'].astype(float)
print(df)
name age
0 clocky 18.0
1 Susie 20.0